随着物联网的高速发展,每天都有海量数据流生成。由于噪声、网络通信技术、传感器误差、自然因素以及其它原因,会使得产生的原始事件带有不确定性。然而,现有的数据处理技术和手段对这些不确定性原始事件很难有效的处理。不仅如此,由于现有知识的局限性,根据历史经验制定事件识别规则造成的不确定性也会导致错误结果。不确定性复杂事件处理技术还面临着许多的挑战:一是如何在海量的不确定事件流当中实时、快速的识别出复杂事件;二是如何从大量相关不确定性事件中计算出复杂事件的概率;三是如何在不确定规则的条件下使用复杂事件处理技术。本文对物联网系统中复杂事件处理技术所处的研究现状和存在的挑战进行了深入的分析,为了提升不确定性复杂事件处理效率,提出了一种基于mNFA和概率理论处理不确定性事件流的方法,并在此方法上进行改进。然后考虑规则的不确定性,提出了基于贝叶斯网络的不确定性复杂事件处理方法。本文主要工作包括:(1)研究和分析现实大型物联网系统应用,由于噪声、网络通信技术、传感器误差和自然因素以及其它原因,会使得产生的原始事件带有不确定性,本文对不确定性种类进行了分类。针对事件存在级和属性级不确定性,提出一种基于mNFA和概率理论处理不确定性事件流的方法,该方法不仅可以高效实时地处理海量不确定性事件流,还提供了概率事件流查询处理的支持。并且在此方法上通过动态概率计算算法和提前过滤无关事件来改进和优化,实验结果表明该方法比传统方法具有更好的性能。(2)复杂事件是海量原始事件流通过事件模式规则检测得来的,这些复杂事件是对用户有意义的高层次事件。这些规则往往是领域专家经过历史经验分析后制定出来的。但是由于现有知识和历史经验的局限性和不完整性导致规则不确定,为此本文提出一种基于贝叶斯网络的不确定性复杂事件处理方法。将事件规则转换到贝叶斯网络节点,然后结合URCEP(Uncertainty Rule Complex Event Processing)模型计算复杂事件,同时用户可以自定义添加规则节点来仿真规则中未考虑到的不确定性因素带来的影响,实验结果表明本文的方法在处理事件规则面临不确定性问题时是十分有效的。